高温热泵与低温发电集成技术与装备的试验研究

摘要

在当今能源消耗量巨大的现状下，如果能够将余热能进行回收并且加以利用，不仅可以降低热排放，还能够节约能源，保护环境。余热利用的两种主要方式高温热泵和低温发电，但两种方式实现的功能以及需要的热源范围均不相同。单一的高温热泵和低温发电技术在利用过程中不能应对大范围的热源温度波动以及运行不连续，对于这样的现状，本文设计并提出一种双功能集成装置，建立低温发电和热泵的单体双功能机组，以设备一体化为出发点，从而实现能质调配。 本文首先对集成技术的设备以及系统的影响因素进行分析研究，主要包括换热器、螺杆机、永磁电机以及工质。分别对以上设备和工质进行理论分析，从高温热泵和低温发电的角度出发，对设备的换热性能，承压性能，发电量及做功能力等做出详细分析。对影响集成技术的因素上，分别从冷热源进出口水温或者蒸发器进口水温、冷凝器出口水温几个方面对机组的性能进行的理论研究分析。其次为保证集成技术能够安全稳定的运行，对核心部件20kW永磁电机进行正反转实验，利用另外一台37kW永磁电机与之相连，分别使20kW永磁电机作为电动机和发电机，并采集实验数据，分析得出了该永磁电机的性能。 本实验包含M1和M2两种模式。在M1模式下对基于蒸汽压缩式循环的热泵系统研究了冷凝温度对性能系数（COP）、制热量和压缩机耗功等参数的影响。由实验结果可知，M1模式下提高能质为36℃时，最大制热量能达到30.22kW。在稳定运行的同时高温侧出水温度可以达到86℃，COP较高。而M2模式以有机朗肯循环（ORC）为理论循环，研究了该过程的等熵效率和发电效率等参数。结果表明：M2模式下最大发电量为3.74kW，发电效率4.58%。等熵效率在56%-81%之间，这为以后机组设计提供了可靠的依据。 为解决机组性能参数获取方式单一的问题，通过人工神经网络对机组性能进行预测，分别用BP神经网络对M1模式的COP、制热量和压缩机耗功作出预测，径向基神经网络对M2模式的发电量以及发电效率进行预测，结果表明预测数据与实验数据相比误差较小，精度较高。

目录

第1章 绪论

1.1 研究背景

1.1.1 能源利用状况

1.1.2 余热能利用现状

1.1.3 低温余热能利用技术

1.2 热泵及发电技术

1.2.1 热泵技术的现状

1.2.2 发电技术的现状

1.3 热泵及发电性能预测

1.4 本文研究内容

第2章 集成技术的循环原理与关键技术

2.1 集成技术的基本原理

2.1.1 蒸发过程

2.1.2 压缩、膨胀过程

2.1.3 冷凝过程

2.1.4 系统的评价指标

2.2 集成技术的主要特点

2.2.1 换热器一体化

2.2.2 压缩机、膨胀机一体化

2.2.3 永磁同步电机一体化

2.2.4 循环工质的特性

2.3 集成技术的影响因素分析

2.3.1 冷凝端温度和热源温度对M1模式的影响

2.3.2 冷源温度和热源温度对M2模式的影响

2.4 本章小结

第3章 集成技术机组的实验研究

3.1 永磁电机性能实验

3.1.1 永磁电机作为电动机的实验

3.1.2 永磁电机作为发电机的实验

3.2 集成技术机组的实验系统

3.3 实验结果和讨论

3.3.1 M1模式实验结果分析

3.3.2 M2模式实验结果分析

3.4 本章小结

第4章 人工神经网络对一体化机组性能的预测研究

4.1 BP神经网络

4.1.1 BP神经网络简介

4.1.2 BP神经网络算法

4.1.3 BP神经网络性能预测

4.2 径向基网络

4.2.1 径向基网络简介

4.2.2 径向基网络算法

4.2.3 径向基网络性能预测

4.3 本章小结

第5章 结论与展望

5.1 主要结论

5.2 论文的创新性

5.3研究展望

参考文献

发表论文和参加科研情况说明

致谢